Transfer Learning with Instance Segmentation
Transfer learning with instance segmentation reuses a backbone convolutional network pretrained on a large image corpus (typically ImageNet or COCO) as the feature extractor for an instance segmentation model such as Mask R-CNN, then fine-tunes the full pipeline on a smaller target dataset. This approach delivers state-of-the-art per-object mask accuracy with a fraction of the labeled data and compute that training from scratch would require.
Källpost
Citat kopierade ordagrant från metodens källpost. Ingen verifiering på källnivå härleds från dem.
- He, K., Gkioxari, G., Dollar, P., & Girshick, R. (2017). Mask R-CNN. Proceedings of the IEEE International Conference on Computer Vision (ICCV), 2961–2969. · DOI 10.1109/ICCV.2017.322
- Pan, S. J., & Yang, Q. (2010). A survey on transfer learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359. · DOI 10.1109/TKDE.2009.191
Kuraterade påståenden
Påståenden lagrade i bevisloggen, var och en med sin egen bedömning.
Denna vy hittar inte på en påståendebedömning när loggen saknar en.
Relaterade metoder
Genererade från metodgrafen och visade som maskinföreslagna relationer – inga bevispåståenden härleds.